論文の概要: Virtual camera detection: Catching video injection attacks in remote biometric systems

• arxiv url: http://arxiv.org/abs/2512.10653v1
• Date: Thu, 11 Dec 2025 14:01:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 16:15:42.390562
• Title: Virtual camera detection: Catching video injection attacks in remote biometric systems
• Title（参考訳）: 仮想カメラ検出:遠隔バイオメトリックシステムにおけるビデオインジェクション攻撃
• Authors: Daniyar Kurmankhojayev, Andrei Shadrikov, Dmitrii Gordin, Mikhail Shkorin, Danijar Gabdullin, Aigerim Kambetbayeva, Kanat Kuatov,
• Abstract要約: Face Anti-Spoofing (FAS) は遠隔生体認証システムにおいて重要なコンポーネントである。 ビデオインジェクション攻撃はシステムの完全性に重大な課題をもたらす。 本研究では,仮想カメラ検出における機械学習によるアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.13325819064668773
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face anti-spoofing (FAS) is a vital component of remote biometric authentication systems based on facial recognition, increasingly used across web-based applications. Among emerging threats, video injection attacks -- facilitated by technologies such as deepfakes and virtual camera software -- pose significant challenges to system integrity. While virtual camera detection (VCD) has shown potential as a countermeasure, existing literature offers limited insight into its practical implementation and evaluation. This study introduces a machine learning-based approach to VCD, with a focus on its design and validation. The model is trained on metadata collected during sessions with authentic users. Empirical results demonstrate its effectiveness in identifying video injection attempts and reducing the risk of malicious users bypassing FAS systems.
• Abstract（参考訳）: Face Anti-Spoofing (FAS) は、顔認識に基づく遠隔生体認証システムにおいて重要なコンポーネントであり、Webベースのアプリケーションでますます使われている。 新たな脅威の中で、ディープフェイクやバーチャルカメラソフトウェアといった技術によって促進されるビデオインジェクション攻撃は、システムの完全性に重大な課題を提起している。 仮想カメラ検出(VCD)は対策としての可能性を示しているが、既存の文献ではその実践的実装と評価について限定的な知見を提供している。 本研究では、VCDの設計と検証に焦点をあて、機械学習によるVCDへのアプローチを紹介する。 モデルは、認証されたユーザとセッション中に収集されたメタデータに基づいてトレーニングされる。 ビデオインジェクションの試みを識別し,FASシステムを通過する悪意のあるユーザのリスクを軽減する効果が実証された。

関連論文リスト

• Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
  本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。 テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
  論文  参考訳（メタデータ） (2025-08-12T17:19:20Z)
• In-context Learning of Vision Language Models for Detection of Physical and Digital Attacks against Face Recognition Systems [4.3415446824106745]
  顔認識システムに対する攻撃は、物理的アプローチとデジタルアプローチに分けることができる。 ディープラーニングモデルは、このような攻撃に対する主要な防御手段だ。 本研究では,物理プレゼンテーション攻撃とデジタルモーフィング攻撃を検出するためのコンテキスト内学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-21T06:35:46Z)
• Unified Face Matching and Physical-Digital Spoofing Attack Detection [3.9440964696313485]
  顔認識システムは、物理的およびデジタル偽造攻撃による脅威の増加に直面している。 本稿では,身体的およびデジタル的攻撃の顔認識と検出を目的とした,革新的な統一モデルを提案する。 畳み込みニューラルネットワークフレームワークにおいて、高度なSwin TransformerのバックボーンとHiLoの注意を活用することにより、統合された顔認識とスプーフ攻撃検出をより効果的に処理する。
  論文  参考訳（メタデータ） (2025-01-16T16:24:21Z)
• Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
  模倣攻撃は 不正な識別と その後の攻撃者の認証につながる 顔認識と同様に、模倣攻撃も機械学習で検出できる。 本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:26:10Z)
• Principles of Designing Robust Remote Face Anti-Spoofing Systems [60.05766968805833]
  本稿では,デジタル攻撃に対する最先端の対面防止手法の脆弱性に光を当てる。 反偽造システムに遭遇する一般的な脅威を包括的に分類する。
  論文  参考訳（メタデータ） (2024-06-06T02:05:35Z)
• Face Presentation Attack Detection [59.05779913403134]
  顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。 しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
  論文  参考訳（メタデータ） (2022-12-07T14:51:17Z)
• Adversarial Machine Learning Attacks Against Video Anomaly Detection Systems [30.68108039722565]
  ビデオにおける異常検出は、自動化されたビデオ監視を含む様々なアプリケーションにおいて重要なコンピュータビジョン問題である。 本稿では,サイバー攻撃による映像異常検出システムに対する対角的機械学習攻撃について検討する。
  論文  参考訳（メタデータ） (2022-04-07T00:57:50Z)
• Unified Physical Threat Monitoring System Aided by Virtual Building Simulation [0.0]
  スマートビルのフロアプラン,カメラ,センサを統合した物理的脅威監視ソリューションが提案されている。 物理的脅威監視システムは通常、現実の生活をシミュレートするには非現実的な火災のような複雑で破壊的な出来事に対処する必要がある。 本研究では、Unreal Engineを用いて、仮想ビルのコンテキストにおいて、不審で侵入的なシーンをフォトリアリスティックな品質でシミュレートする。
  論文  参考訳（メタデータ） (2022-03-01T23:28:46Z)
• Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
  紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。 オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
  論文  参考訳（メタデータ） (2021-02-01T09:17:18Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。